網(wǎng)絡(luò)媒體監(jiān)測語料庫漢字使用的性別差異

李向農(nóng) 王宇波

（華中師范大學(xué) 文學(xué)院，湖北 武漢 430079）

網(wǎng)絡(luò)媒體監(jiān)測語料庫漢字使用的性別差異

李向農(nóng) 王宇波

（華中師范大學(xué) 文學(xué)院，湖北 武漢 430079）

本文以國家語言資源監(jiān)測與研究中心（網(wǎng)絡(luò)媒體分中心）所建立的男女博客文本語料庫為研究對象，對男女在漢字使用上的性別差異作統(tǒng)計調(diào)查與分析。通過從覆蓋率、高頻字、低頻字、共用字、獨用字、構(gòu)詞能力等多個角度的統(tǒng)計發(fā)現(xiàn)，男女博客在漢字的使用上既有一定的共性，又有明顯的差異。男性在總字種數(shù)、低頻字的字種數(shù)上明顯多于女性，女性在總字次、非常用字的使用比例上高于男性。

網(wǎng)絡(luò)媒體監(jiān)測語料庫；漢字；性別差異；字種數(shù)

性別語言研究一直是社會語言學(xué)的研究熱點，國內(nèi)學(xué)者對語言性別差異的研究與西方學(xué)界相比尚有很大差距，尤其以中國大陸為樣本的實證研究不曾多見。同時，“重視漢語語料、加強本土化研究也符合當(dāng)代語言性別差異研究的多元化、動態(tài)化、微觀化和本土化的發(fā)展趨勢?！雹僖虼耍疚囊試艺Z言資源監(jiān)測與研究中心（網(wǎng)絡(luò)媒體分中心）建立的 2005—2006 年 spaces．live．com，blog．sina．com．cn，blog．sohu．com，blogcn．com，bokee．com，blog．hexun．com，blogbus．com等知名的中文博客網(wǎng)站的部分網(wǎng)頁（共計4938041篇，1937732982字符次）的文本語料為基礎(chǔ)，提取出具有性別標(biāo)識的博客文本共計2275826篇，606571001字符次（其中男性作者54982個，文章773777篇；女性作者77007個，文章1502049篇）的博客語料庫為樣本作為研究對象，對博客語料中漢字使用的性別差異作統(tǒng)計調(diào)查。

一、男女性漢字使用的總體情況

楊信彰認(rèn)為“語料庫的使用為語言與性別的研究提供了良好的工具”，“在研究手段上，語料庫的使用能幫助我們更好地審視語言與性別的關(guān)系?！雹谝虼?，對中文男女博客語料庫中的男女性在總字次、字種數(shù)、使用頻率等相關(guān)數(shù)據(jù)的統(tǒng)計，能客觀、真實地反映漢字使用的性別差異。

如表1所示，男性博客中使用的總字種數(shù)為20917，女性為13558，男性多于女性；但在總字次上女性卻遠(yuǎn)遠(yuǎn)高于男性，女性字種數(shù)的平均使用頻次為27560次／字種，高于男性的11135次／字種，說明男性博客在用字上相對來說較為分散，而女性則較為集中，較為頻繁地使用相對較少的字種。

表1 男女博客中漢字總體使用情況

二、漢字覆蓋率對比

本文有關(guān)覆蓋率的統(tǒng)計按照國家語言資源監(jiān)測與研究中心編輯的《中國語言生活狀況報告（2008）》（下編）中的定義，指的是被調(diào)查語料內(nèi)指定調(diào)查對象占所有調(diào)查對象總量的百分比，計算方法與累加頻率相同，即每一調(diào)查對象的頻次同其前調(diào)查對象的頻次的累加和，與所有語料中調(diào)查對象總次數(shù)的比值。漢字的覆蓋率是衡量漢字在所屬語料庫中是否常用的標(biāo)準(zhǔn)之一。

表2中以覆蓋率10%為增長的基準(zhǔn)，在同一覆蓋率的標(biāo)準(zhǔn)下，統(tǒng)計對比了男女博客中所使用的漢字字種數(shù)以及在總字種數(shù)中所占的比例，可以得出的結(jié)論是：要達(dá)到相同的覆蓋率，男性與女性相比要使用相對較多的字種數(shù)；而要達(dá)到相同的覆蓋率，女性所使用的字種數(shù)在總字種數(shù)中所占的比例則相對高于男性。這進一步印證了表1中得出的結(jié)論，即男性博客在用字上相對來說較為分散，而女性則較為集中，較為頻繁地使用相對較少的字種。

表2 男女博客中漢字使用覆蓋率差異

下面我們將同一覆蓋率下男性字種數(shù)和女性字種數(shù)進行了一一比對，并計算得出了同一覆蓋率下男女字種數(shù)差值。從表3中可以看到，隨著覆蓋率的增加，男女字種數(shù)的差值也逐漸變大。

表3 不同覆蓋率范圍內(nèi)男女字種數(shù)對比

圖1 不同覆蓋率范圍內(nèi)男女字種數(shù)對比曲線圖

圖1兩條曲線分別代表男性字種數(shù)和女性字種數(shù)，兩條曲線的走向基本一致，在覆蓋率不超過90%之前，男性和女性兩條曲線之間的距離非常接近，這說明男女性字種數(shù)差值較小；而當(dāng)覆蓋率超過90%以后，代表男性和女性的曲線之間的距離逐漸變大，可見隨著覆蓋率的增加，男女字種數(shù)差值亦隨之增加。

三、高頻字使用情況對比

我們把某個調(diào)查對象的使用頻次與所有調(diào)查對象的總頻次的比值當(dāng)做其使用頻率，按照頻率大小降序排列，可以明顯地看出不同的調(diào)查對象在使用頻率上的差異，表4是男女博客中使用頻率最高的前20個漢字。

表4 使用頻率最高的前20個字

表4中所列出的漢字使用頻率最高的前20個字中，男女使用頻率最高的字都為“的”字，男女使用頻率分別為4．58%和4．68%，使用頻率排名最低的字男女也都在0．5%以上。另外，頻率最高的20個字中，男女性之間達(dá)到了70%的一致性，有17個字是男女共用的，屬于共用高頻字（見表5）；只有3個字是男女各自的獨用高頻字，男性的獨用高頻字分別是“大”（頻率為0．55%）、“也”（頻率為0．50%）、“們”（頻率為0．50%），女性的獨用高頻字分別是“好”（頻率為 0．64%）、“天”（頻率為0．61%）、“要”（頻率為0．56%）。男女性之間的一致性還體現(xiàn)在，男女的獨用高頻字都位于表4中相對靠后的位置，這說明漢字的使用頻率越高，其在男女博客中使用的一致性也相對較高。

表5 男女前20個高頻字中共用字的使用頻率對比

四、低頻字比較

在以降序排列的漢字使用頻率表中，出現(xiàn)頻次較少的字占了很大一部分比例，在對男女博客中漢字使用情況進行比較時，高頻字固然是重要的指標(biāo)之一，同時，使用頻率較低的字即低頻字的使用情況也不容忽視。我們以出現(xiàn)頻次為標(biāo)準(zhǔn)，單獨列出了出現(xiàn)頻次不多于10次的低頻字。

表6 使用頻次不多于10次的低頻字

從表6中所列出的低頻字可以發(fā)現(xiàn)，從低頻字的字種數(shù)來看，男性遠(yuǎn)遠(yuǎn)大于女性，男性使用頻次不多于10次的字種數(shù)為12309，女性只有4852，男性是女性的兩倍還要多；從低頻字所占總字種數(shù)的比例來看，男性低頻字所占比例為58．85%，超過了半數(shù)，遠(yuǎn)遠(yuǎn)超過女性的35．79%。由此可見，在男女博客的漢字使用上，低頻字都占有相當(dāng)一部分比例，但男性表現(xiàn)得更為突出，即男性所使用的超過一半的漢字都為出現(xiàn)頻次不大于10次的低頻字，女性雖然沒有男性這么明顯，但低頻字的比例也超過了三分之一，也是不可忽視的重要組成部分。這進一步說明男性博客在漢字的使用上更為分散，范圍更廣，更具有靈活性和多樣性。

圖2 男女低頻字所占比例曲線圖

男女低頻字都在總字種數(shù)中占有相當(dāng)大的比重，體現(xiàn)出了一定的相似性，但在更深層次上它們又體現(xiàn)出了一定的差異性。圖2中我們以頻次為標(biāo)準(zhǔn)，將男女低頻字各自所占比例進行了對比，從上面的曲線圖我們可以明顯地發(fā)現(xiàn)：僅從出現(xiàn)頻次從1次到10次這個區(qū)間來看，女性低頻字中頻次為1次的字所占比例最高，隨著頻次的增加，低頻字所占比例依次降低；而男性的情況稍微有些變化，頻次為1次的低頻字所占比例并不像女性一樣在這個區(qū)間內(nèi)是最高的，而頻次為2次的低頻字，其所占比例幾乎高達(dá)35%，然后隨著頻次的增加，低頻字所占的比例也處于一種依次降低的趨勢。

五、共用字與獨用字

通過上面的統(tǒng)計分析，我們發(fā)現(xiàn)男女博客中的漢字使用在具有一致性的同時，也表現(xiàn)出了各自的特點。表7對男女性共用字與獨用字的分析，更能表現(xiàn)出男女博客在漢字使用上的差異與共性。

表7 使用頻率前100位中的男女共用字與獨用字

使用頻率排名在前100位的字中，男性的覆蓋率達(dá)到了47．47%，略低于女性的50．69%，其中男女共用了86個字，各自獨用了7個字。男性獨用的七個字為“國、用、成、當(dāng)、間、作、同”，女性獨用的為“愛、候、又、讓、女、老、做”，這些獨用字在一定程度上說明男性較多地關(guān)注國家大事，較多地使用“國”等字；而女性則感情較為細(xì)膩，更多地關(guān)注感情、年紀(jì)、美容等，較多地使用與此相關(guān)的“愛、老”等字。與男女性關(guān)注熱點有關(guān)的字的使用頻率相對于對方來說都較高。

表8 使用頻率前1000位中的男女共用字與獨用字

表8中所列出的使用頻率前1000位的字中，男女漢字使用的覆蓋率都達(dá)到了90%左右，男性為89．93%，略低于女性的90．62%；男女共用字為922個，獨用字各78個，獨用字所占比例與前100字中獨用字所占比例大致相當(dāng)；男女性的獨用字依舊與男女性所關(guān)注的事件具有一定的一致性，男性更多地使用了與政治、比賽、游戲、工作等相關(guān)的“政、權(quán)、治、魔、輸、歐、勝”等表達(dá)較為正式的內(nèi)容的字，而感情較為細(xì)膩的女性則相對更頻繁地使用了與生活、感情、動物、感覺等有關(guān)的“暖、疼、貓、逛、甜、帥、涼”等，同時女性獨用字中還出現(xiàn)了一定數(shù)量的繁體字，這與我們所選擇的博客語料庫有關(guān)，人們尤其是女性在網(wǎng)絡(luò)語言中更傾向于使用一些繁體字來達(dá)到新穎活潑的表達(dá)效果。

表9 使用頻率前1500位中的男女共用字與獨用字

表10 使用頻率前2000位中的男女共用字與獨用字

表11 使用頻率前2500位中的男女共用字與獨用字

除了男女漢字使用頻率前100位和前1000位之外，我們又分別統(tǒng)計了男女漢字使用頻率前1500位、前2000位和前2500位的漢字使用情況（見表9－11）：前1500位漢字中，男女獨用字各102字，占6．8%；前2000位中，男女獨用字各119字，占5．95%；前2500位中，男女獨用字各124字，占4．96%。

圖3 男女漢字使用獨用字比例曲線圖

通過圖3可以明顯地看出，從前100字到前2500字，除了前1000字中男女獨用字比例大于其他幾個對比范圍之外，男女獨用字的比例隨著統(tǒng)計范圍的擴大基本上是呈下降趨勢的。

六、與《現(xiàn)代漢語常用字表》之對比

《現(xiàn)代漢語常用字表》包括常用字（2500字）和次常用字（1000字），由國家語言文字工作委員會和國家教育委員會發(fā)布，一般掌握了常用字就達(dá)到了利用漢語的基本要求。我們將男女博客中漢字使用頻率前2500字分別與常用字表（2500字即一級常用字）進行對比，具體情況見表12。

下面我們分別將位于男女性使用頻率前2500字中、但卻沒有出現(xiàn)在常用字表中的字分別列出。

表13 前2500字超出一級常用字的繁體字與嘆詞

通過表13中的統(tǒng)計對比我們發(fā)現(xiàn)：首先，男性漢字使用頻率前2500字的覆蓋率達(dá)到了98．37%，女性則達(dá)到了98．43%，其中男女性都包含了大量《現(xiàn)代漢語常用字表》（2500字）所沒有的字，男性為344字，而女性則更多，為384字。其次，繁體字占了很大的比例，男性為95字，占了27．62%，女性為124字，占了32．29%，這與網(wǎng)絡(luò)語言中人們喜歡求新求變有關(guān)，比如火星文、繁體字等都與人們這種追求新穎的心理密不可分。另外，男女博客漢字使用中都包含有一定量的方言用字，如“係、嘅、吖、咗、咁、叻”等；還有一些嘆詞，男性所使用的嘆詞有“呵、哦、嘛、嘿、哎、咯、哇、哼、吶”等，女性由于感情較為細(xì)膩所使用的嘆詞相對較多，包括“呵、哦、嘿、哎、咯、哇、哼、喔、喲、吶、咧”等。網(wǎng)絡(luò)語言的口語化程度極高，所以在網(wǎng)絡(luò)語言中嘆詞的出現(xiàn)頻率是相對較高的。

七、構(gòu)詞能力

不同的字具有不同甚至是差異極大的構(gòu)詞能力，我們統(tǒng)計了覆蓋率達(dá)到90%的高頻字（男性為1005字種，女性為953字種）所構(gòu)成的詞語數(shù)，按照構(gòu)詞數(shù)的多少進行了排序。

表14 構(gòu)詞能力最強的20個字

表14中我們列出了構(gòu)詞數(shù)在前20位的字所構(gòu)成的詞種數(shù)以及所出現(xiàn)的總頻次，其中男性構(gòu)詞能力最強的字為“大”，女性為“年”，所構(gòu)成的詞種數(shù)都在兩萬個以上，即使是排在第20位的字，它們所構(gòu)成的詞種數(shù)也超過了八千個；男性這20個字的平均構(gòu)詞能力為13699詞／字種，略高于女性的13112詞／字種；而且從表14中我們可以看到，“年、月、日”這三個與時間有關(guān)的字的構(gòu)詞能力在男女性中都幾乎排在最前面的位置。

在對上述構(gòu)詞能力最強的20個字的構(gòu)詞數(shù)和出現(xiàn)頻次進行概括的基礎(chǔ)上，我們將男女性的情況進行了對比。

表15 構(gòu)詞能力最強的20個字中男女共用字與獨用字

從表15中我們可以進一步發(fā)現(xiàn)，構(gòu)詞能力最強的這20個字所構(gòu)成的詞種數(shù)幾乎占了總詞種數(shù)的40%左右；男性構(gòu)詞能力最強的20個字所構(gòu)成的詞語總數(shù)為273978個，占總詞種數(shù)631446的43．39%；而女性總詞種數(shù)為656339個，其中構(gòu)詞能力最強的20個字所構(gòu)成的262231個詞語就占了39．95%；我們將男女性之間的這20個字進行了對比，其中男女共用字為16個，而且都排在這20位中較前的位置，男女獨用字各為4個，排在這20位中相對靠后的位置。這說明構(gòu)詞能力最強的字所具有的極強的構(gòu)詞能力并不具有明顯的性別差異。

表16 構(gòu)詞能力最強的20個字中的男女共用字及構(gòu)詞數(shù)差值

表16中我們又將構(gòu)詞能力最強的20個字中的16個男女共用字的構(gòu)詞情況進行了一一比對，計算得出了每個共用字的男女構(gòu)詞數(shù)差值，并按照男女構(gòu)詞差值的絕對值大小進行了排序。

從表16中的數(shù)據(jù)可以看到，前20個構(gòu)詞能力最強的字中，男女性有16個共用字，但這16個共用字的構(gòu)詞能力在男女性博客中的表現(xiàn)并不完全相同。其中，男女構(gòu)詞數(shù)差值最大的字是“小”，其在男性中的構(gòu)詞數(shù)比女性多了6240個，“的”字的男性構(gòu)詞數(shù)比女性多5456個，男女構(gòu)詞數(shù)差值位于第二位，“和”“國”等字的男女構(gòu)詞數(shù)差值依次減少，而“?！弊值哪信畼?gòu)詞數(shù)差值是這16個共用字中最小的，男性構(gòu)詞數(shù)比女性多349個。根據(jù)表16中的數(shù)據(jù)生成下圖4，可以更直觀地將這些共用字在男女性中構(gòu)詞能力的不同表現(xiàn)出來。

圖4 16個共用字的男女構(gòu)詞數(shù)對比曲線圖

八、小結(jié)

通過上述統(tǒng)計分析發(fā)現(xiàn)，男女博客在漢字的使用上既有一定的共性，但同時又有較為明顯的性別差異。具體表現(xiàn)為：第一，男性博客使用的總字種數(shù)明顯多于女性，但是在總字次上女性則遠(yuǎn)遠(yuǎn)高于男性，男性在用字上相對來說較為分散，而女性則較為集中，較為頻繁地使用相對較少的字種。第二，男女在高頻字的使用上具有一定的一致性；而就低頻字的使用來說，男女低頻字所占比重都較大，但男性低頻字的字種數(shù)及所占比例遠(yuǎn)遠(yuǎn)多于女性。第三，男女獨用字的比例隨著調(diào)查范圍的擴大大致處于逐步降低的趨勢。第四，男女博客中使用的漢字包含一定比例的非常用字，且女性非常用字的使用比例高于男性。第五，在構(gòu)詞能力最強的前20個字的構(gòu)詞能力上，男女性具有較為明顯的一致性，但與各自關(guān)注熱點有關(guān)的字的構(gòu)詞能力相對會更強。

注釋

①史耕山、張尚蓮：《國內(nèi)語言性別差異研究概述》，《外語教學(xué)》2006年第3期。

②楊信彰：《語言與性別的多視角研究》，《當(dāng)代外語研究》2010年第1期。

責(zé)任編輯張靜

2010-11-20

國家社會科學(xué)基金項目“基于網(wǎng)絡(luò)媒體監(jiān)測語料庫（漢語）的性別語言比較研究”（09BYY018）